本申请公开了医嘱分类模型的训练方法、装置、电子设备及存储介质。该方法包括：获取用于训练医嘱分类模型对应的医疗术语集合；获取医疗术语集合中每个目标医疗术语对应的标注信息；利用医疗术语集合以及标注信息训练初始医嘱分类模型，以使初始医嘱分类模型输出医疗术语集合中每个目标医疗术语对应的预测结果；在预测结果与标注信息相匹配的情况下，将初始医嘱分类模型确定为目标医院对应的目标医嘱分类模型。本申请提供的方法能够针对不同的医院训练不同的医嘱分类模型，以使各个医院能够快速的对医嘱内容进行分类，依据解决了人工分类在效率与准确率上存在较大的局限性的问题。在效率与准确率上存在较大的局限性的问题。在效率与准确率上存在较大的局限性的问题。
【技术实现步骤摘要】
医嘱分类模型的训练方法、装置、电子设备及存储介质
[0001]本申请涉及数据处理
，尤其涉及一种医嘱分类模型的训练方法、装置、电子设备及存储介质。
技术介绍
[0002]在医疗环境中，医嘱单是医生对病人在饮食、用药、化验等方面的指示。随着如今就医人数的增加及疾病种类的多样化，利用人工对医嘱进行抽取分类无论在效率与准确率上都存在较大的局限性。
技术实现思路
[0003]为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种医嘱分类模型的训练方法、装置、电子设备及存储介质。
[0004]根据本申请实施例的一个方面，提供了一种医嘱分类模型的训练方法，包括：
[0005]获取用于训练医嘱分类模型对应的医疗术语集合，其中，所述医疗术语分类集合是依据目标医院对应的医嘱字典以及医疗实体得到的；
[0006]获取所述医疗术语集合中每个目标医疗术语对应的标注信息；
[0007]利用所述医疗术语集合以及所述标注信息训练初始医嘱分类模型，以使所述初始医嘱分类模型输出所述医疗术语集合中每个目标医疗术语对应的预测结果；
[0008]在所述预测结果与所述标注信息相匹配的情况下，将所述初始医嘱分类模型确定为所述目标医院对应的目标医嘱分类模型。
[0009]进一步的，所述获取用于训练医嘱分类模型对应的医疗术语集合，包括：
[0010]获取目标医院对应的医嘱字典以及当前医疗实体，其中，所述医嘱字典包括至少一个医疗术语；
[0011]将所述当前医疗实体存储至数据库，并从数据库中获取与所述当前医疗实体相匹配的候选医疗实体；
[0012]计算每个医疗术语与候选医疗实体之前的第一相似度，将所述第一相似度小于第一预设相似度的医疗术语确定为目标医疗术语；
[0013]利用目标医疗术语构建用于训练医嘱分类模型的医疗术语集合。
[0014]进一步的，所述从数据库中获取与所述医疗术语相匹配的候选医疗实体，包括：
[0015]计算所述数据库中的医疗实体与所述医嘱字典所包括医疗术语之间的第二相似度；
[0016]将所述第二相似度大于第二预设相似的医疗实体确定为所述候选医疗实体。
[0017]进一步的，所述利用目标医疗术语构建用于训练医嘱分类模型的医疗术语集合，包括：
[0018]从所述目标医疗术语中随机选择一个目标医疗术语作为第一目标医疗术语，并基于所述第一目标医疗术语构建非同质化术语集合；
[0019]从第二目标医疗术语中获取与所述第一目标医疗术语相对应的非同质化术语，其中，所述第二目标医疗术语为所述目标医疗术语中除所述第一目标医疗术语之外的医疗术语；
[0020]将所述非同质化术语加入所述非同质化术语集合，得到更新后的非同质化术语集合，并将所述更新后的同质化术语集合作为所述用于训练医嘱分类模型的医疗术语集合。
[0021]进一步的，所述从第二目标医疗术语中获取与所述第一目标医疗术语相对应的非同质化术语，包括：
[0022]计算所述第一目标医疗术语与所述第二目标医疗术语之间的余弦相似度；
[0023]将所述余弦相似度小于预设阈值的第二目标医疗术语确定为所述第一目标医疗术语对应的非同质化术语。
[0024]进一步的，所述方法还包括：
[0025]获取所述预测结果与所述标注信息不匹配的医疗术语进行实体识别，得到初始实体集合；
[0026]基于医疗知识图谱得到所述实体集合中每个实体的同义词以及下位实体，利用每个实体的同义词以及下位实体对所述初始实体集合进行扩充，得到目标实体集合；
[0027]利用所述目标实体集合继续训练所述目标医嘱分类模型。
[0028]进一步的，所述利用所述目标实体集合继续训练所述目标医嘱分类模型，包括：
[0029]对所述目标实体集合中嵌入利用医嘱模板生成的伪医疗术语，得到更新后的目标实体集合；
[0030]利用所述更新后的目标实体集合继续训练所述目标医嘱分类模型。
[0031]根据本申请实施例的再一个方面，还提供了一种医嘱分类模型的训练装置，包括：
[0032]第一获取模块，用于获取用于训练医嘱分类模型对应的医疗术语集合，其中，所述医疗术语分类集合是依据目标医院对应的医嘱字典以及医疗实体得到的；
[0033]第二获取模块，用于获取所述医疗术语集合中每个目标医疗术语对应的标注信息；
[0034]预测模块，用于利用所述医疗术语集合以及所述标注信息训练初始医嘱分类模型，以使所述初始医嘱分类模型输出所述医疗术语集合中每个目标医疗术语对应的预测结果；
[0035]处理模块，用于在所述预测结果与所述标注信息相匹配的情况下，将所述初始医嘱分类模型确定为所述目标医院对应的目标医嘱分类模型。
[0036]根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。
[0037]根据本申请实施例的另一方面，还提供了一种电子装置，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
[0038]本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。
[0039]本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例
提供的方法能够针对不同的医院训练不同的医嘱分类模型，以使各个医院能够快速的对医嘱内容进行分类，依据解决了人工分类在效率与准确率上存在较大的局限性的问题。
附图说明
[0040]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0041]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0042]图1为本申请实施例提供的一种医嘱分类模型的方法的流程图；
[0043]图2为本申请另一实施例提供的一种医嘱分类模型的方法的流程图；
[0044]图3为本申请实施例提供的一种医嘱分类模型的装置的框图；
[0045]图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0046]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种医嘱分类模型的训练方法，其特征在于，包括：获取用于训练医嘱分类模型对应的医疗术语集合，其中，所述医疗术语分类集合是依据目标医院对应的医嘱字典以及医疗实体得到的；获取所述医疗术语集合中每个目标医疗术语对应的标注信息；利用所述医疗术语集合以及所述标注信息训练初始医嘱分类模型，以使所述初始医嘱分类模型输出所述医疗术语集合中每个目标医疗术语对应的预测结果；在所述预测结果与所述标注信息相匹配的情况下，将所述初始医嘱分类模型确定为所述目标医院对应的目标医嘱分类模型。2.根据权利要求1所述的方法，其特征在于，所述获取用于训练医嘱分类模型对应的医疗术语集合，包括：获取目标医院对应的医嘱字典以及当前医疗实体，其中，所述医嘱字典包括至少一个医疗术语；将所述当前医疗实体存储至数据库，并从数据库中获取与所述医疗术语相匹配的候选医疗实体；计算每个医疗术语与候选医疗实体之间的第一相似度，将所述第一相似度小于第一预设相似度的医疗术语确定为目标医疗术语；利用目标医疗术语构建用于训练医嘱分类模型的医疗术语集合。3.根据权利要求2所述的方法，其特征在于，所述从数据库中获取与所述医疗术语相匹配的候选医疗实体，包括：计算所述数据库中的医疗实体与所述医嘱字典所包括医疗术语之间的第二相似度；将所述第二相似度大于第二预设相似的医疗实体确定为所述候选医疗实体。4.根据权利要求2所述的方法，其特征在于，所述利用目标医疗术语构建用于训练医嘱分类模型的医疗术语集合，包括：从所述目标医疗术语中随机选择一个目标医疗术语作为第一目标医疗术语，并基于所述第一目标医疗术语构建非同质化术语集合；从第二目标医疗术语中获取与所述第一目标医疗术语相对应的非同质化术语，其中，所述第二目标医疗术语为所述目标医疗术语中除所述第一目标医疗术语之外的医疗术语；将所述非同质化术语加入所述非同质化术语集合，得到更新后的非同质化术语集合，并将所述更新后的同质化术语集合作为所述用于训练医嘱分类模型的医疗术语集合。5.根据权利要求4所述的方法，其特征在于，所述从第二目标医...
【专利技术属性】
技术研发人员：喇全亮，史亚飞，谢冠超，
申请(专利权)人：云知声智能科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。